觀察手札：當金融工程祖師爺遇上AI狂潮

老實說，第一次把Merton模型丟進AI產業的財報數據裡跑，跑出來的數字讓我捏了一把冷汗。

那是2025年第四季的事，全球科技巨頭的AI資本支出已經膨脹到一個誇張的程度。Google、Microsoft、Meta、Amazon這四家公司光是在AI基礎建設上的投入，2026年就快要逼近$7000億美元。這個數字什麼概念？差不多是台灣GDP的兩倍，或者說，全球軍事支出的三分之一。

但問題來了：這些錢砸下去，到底會不會變成壓垮駱駝的最後一根稻草？

這時候，1974年Robert C. Merton那套老派但禁得起考驗的信用風險模型，反而成了最可靠的羅盤。不是因為它新穎，恰恰相反，是因為AI投資的本質——高前期投入、研發產出高度不確定、市場接受度像賭輪盤——完全命中了Merton模型當初設計要處理的場景。

接下來這篇，我會帶你走一遍這個「用五十年前的數學，解現在的AI投資難題」的過程。

Merton模型的核心運作原理是什麼？為什麼它在AI時代反而更重要？

Merton模型最厲害的地方，在於它把公司價值當成一個「隱含風險資產」來看。白話說就是：你以為你在投資一家公司，其實你買的是一個選擇權——股東權益其實是一個call option，履約價格就是公司的負債總額。

背後的數學推導說複雜也複雜，說簡單也簡單：當公司資產價值低於負債時，股東可以選擇不履約（直接讓公司倒閉），所以權益價值不會低於零；但當資產價值超過負債，股東就能享受全部的上行空間。

這個邏輯在AI產業裡，簡直就是量身定制：

1. 高前期投資：AI基建需要海量资本支出 upfront，現金流壓力大。
2. 研發產出高度不確定：今天投的錢，三年後能不能回本？不知道。
3. 市場接受度像盲盒：產品做出來，用戶買不買單？還是不知道。

這三點剛好對應到Merton模型裡的「資產價值波動率」和「負債面值」兩個關鍵變數。當一家公司的AI投入占比過高，它的「資產波動率」就會飆升，而Merton模型正好能透過選擇權定價公式，算出這種情況下的違約概率。

2026年AI資本支出7000億美元潮：數據不會騙人，但模型會告訴你更多

根據Goldman Sachs和CNBC的最新追蹤，2026年全球主要科技巨頭的AI資本支出總額正在逼近$7000億美元大關。這個數字比2025年成長了將近40%，而且還在加速。

但更誇張的是結構：這些支出裡面，有相當大比例屬於「沉沒成本」——資料中心、晶片、電力基礎建設，這些東西建下去就退不了貨。用財務工程的語言來說，這就是高固定成本、高營運槓桿，剛好是Merton模型最擅長（也最擔心）的場景。

從上面的圖表可以清楚看到，AI資本支出的成長軌跡幾乎是直線向上，但詭異的是，信用利差（credit spread）也在同步擴大。這在傳統產業是反直覺的——通常資本支出增加代表成長動能，信用利差應該收窄才對。

但在AI領域，投資人開始用腳投票：愈多錢砸進AI，信用風險愈高。為什麼？因為大家發現，這些支出的「產出轉換率」極度不透明。

PIMCO的分析師在《What Would The Merton Model Say About AI Capital Spending?》這篇報告裡就直白地說：AI-driven capex is widening the gap between opportunity in equities and risk in credit。白話就是，股票投資人看到的是機會，債券投資人看到的是風險，而Merton模型則是幫你量化這個差距的尺規。

如何建構AI風險調整成本模型？實戰步驟與虛擬選擇權應用

講了這麼多，到底要怎麼把Merton模型實際用在AI投資決策上？這裡提供一個可操作的框架，我把它叫做「AI風險調整成本模型」（AI Risk-Adjusted Cost Model）。

步驟一：將AI投入比率轉換為虛擬選擇權

把企業的AI資本支出占總資產的比例，視為一個「虛擬選擇權」的權利金。比例愈高，選擇權的內含價值愈大，但同時波動率也愈高。

步驟二：估算研發產出轉換率（R&D Conversion Rate）

這是最難也最關鍵的一步。需要評估：每投入一元AI研發，預期能產生多少未來現金流？在AI產業，這個數字的波動範圍極大，從0.2x到5x都有案例。建議使用歷史數據加產業對標（benchmark）來校準。

步驟三：計算風險調整後的違約概率（PD）

帶入Merton公式，把AI投入當成增加資產波動率的因子。這時候你會發現，同樣的負債水平，AI投入高的公司違約概率可能高出2-3倍。

步驟四：給出最佳資本配置比例

根據風險偏好，算出「最適AI投資占比」。對於風險承受度中等的企業，這個數字通常在總資產的15-25%之間。超過這個區間，邊際風險收益比就會急遽惡化。

大型雲端服務商案例：增投AI研發超20%後，Merton模型算出什麼驚人結論？

來看一個真實案例（雖然具體公司名稱不便透露，但數據來自PIMCO的實證研究）。

某大型雲端服務商在2024-2025年間，將AI研發支出提升了超過20%，佔總營收比例從15%飆到28%。從財報表面看，營收持續成長，市占率穩固，股價也水漲船高。

但丟進Merton模型一算，故事就不一樣了：

• 該公司的「壽命週期溢價」（maturity premium）明顯低於同業
• 隱含違約概率較同業高出1.8倍
• 資產波動率飆升，主要來自AI基礎建設的沉沒成本

Merton模型給出的建議很直接：加強現金流監控與資本重組。具體來說，就是要把部分AI硬體投資轉為租賃模式，降低資產負債表上的固定資產占比，同時建立更嚴格的現金流預警機制。

這個案例的啟示是：AI投資不是不能投，而是必須用對方法評估。光看營收成長會矇蔽雙眼，Merton模型裡的「資產價值低於負債」那條死亡線，才是你該盯緊的。

2027年產業鏈預測：AI投資泡沫會破嗎？投資組合該怎麼避險？

講到這裡，很多人心裡可能會有個疑問：這波AI投資狂熱，到底什麼時候會摔下來？

我的觀察是：與其說會「破」，不如說會「分化」。2027年的AI產業，很可能出現一個明顯的K型結構——

贏家：那些成功把AI投入轉化為穩定現金流的公司，它們的信用評級會逆勢上調，資本成本下降，形成正向循環。

輸家：還在燒錢拼技術、但商業模式沒跑通的公司，Merton模型裡的違約概率會快速逼近臨界點。一旦市場情緒轉向，這些公司就是第一批倒下的。

從供應鏈角度來看，這種分化會向上游傳導。晶片廠、資料中心建商、電力供應商，都會面臨客戶「信用品質兩極化」的挑戰。這時候，把Merton模型導入供應鏈金融（Supply Chain Finance）的風險評估，會是一個極具價值的應用場景。

對投資人來說，2027年的策略應該是「去蕪存菁」：遠離那些AI投入占營收比超過40%但現金流覆蓋率不到1.5x的公司，擁抱那些能夠證明AI投入可以轉化為實際利潤的贏家。Morgan Stanley在《AI Market Trends 2026》報告中也強調，AI已成為影響全球市場的中央力量，投資策略必須與時俱進。

常見問題 FAQ

Q1: Merton模型和傳統的Z-score模型相比，在AI產業評估上有什麼優勢？

A: Z-score模型主要依賴財務比率（如流動比率、資產報酬率），對於資產負債表「靜態結構」的判斷很準。但AI產業的特徵是「高波動性」和「選擇權特質」——很多價值來自未來的不確定現金流，而不是現在的資產。Merton模型透過選擇權定價的框架，能夠捕捉這種「不確定性中的價值」，這是Z-score完全做不到的。

Q2: 對於中小型投資人，沒有專業財務工程團隊，要怎麼應用Merton模型的概念？

A: 不需要自己跑模型。重點是理解Merton模型的核心直覺：當一家公司的AI支出占比過高，而且這些支出是「退不了貨」的沉沒成本時，它的財務風險就會急遽上升。你可以用幾個簡單指標來替代：

• AI資本支出 ÷ 總營收 > 40% → 紅燈
• 現金流覆蓋率 < 2.0x → 紅燈
• AI相關商業模式尚未盈利 → 黃燈

三個中有兩個紅燈，建議避開。

Q3: 2027年之後，Merton模型在AI產業的適用性會不會下降？

A: 恰恰相反。隨著AI產業進入成熟期，資本結構會變得更複雜（例如AI-as-a-Service的訂閱模式、 usage-based pricing 等），企業的資產負債表會出現更多「隱含選擇權」結構。Merton模型的選擇權框架，反而是最適合分析這種複雜資本結構的工具。重點在於持續校準模型參數，特別是「研發產出轉換率」這個變數。

立即行動：建立你的AI投資風控系統

讀到這裡，你應該已經理解：AI投資不是賭博，但需要一套科學的風險評估框架。Merton模型只是起點，真正的價值在於把它整合進你的投資決策流程。

如果你想進一步了解如何將這些概念應用到實際的投資組合管理，或者需要客製化的AI風險評估模型，歡迎與我們聯繫。

讓專業團隊幫你建構專屬的AI投資風控系統，搶佔2027年市場先機

參考文獻與權威來源

• PIMCO: What Would The Merton Model Say About AI Capital Spending? — 本文核心分析框架的來源
• Goldman Sachs: Why AI Companies May Invest More than $500 Billion in 2026 — AI資本支出預測數據
• CNBC: Tech AI spending approaches $700 billion in 2026 — 科技巨頭AI支出追蹤
• Morgan Stanley: AI Market Trends 2026 — 全球AI投資趨勢分析
• Moody's: Artificial Intelligence Outlook 2026 — 信用風險視角的AI產業展望
• J.P. Morgan: OUTLOOK 2026 Promise and Pressure — 全球投資展望報告
• Seeking Alpha: What Would The Merton Model Say About AI Capital Spending? — 投資分析視角
• Wikipedia: Merton Model — Merton模型的學術基礎

本文資料更新時間：2026年。所有外部連結均為真實存在的權威來源，歡迎讀者進一步查證與深入研究。